رتبه بندی ویژگی ها در تشخیص نظرات اسپم فارسی

یکی از عوامل اصلی در تصمیم گیری مشتریان برای خرید یک محصول یا استفاده از خدماتی خاص، استفاده از نظرات برخط است. این گونه از نظرات منابعی ارزشمند از اطلاعات هستند که برای تشخیص افکار عمومی در مورد محصول یا خدمات استفاده میشوند. اگرچه نظرات برخط می توانند مفید باشند اما اعتماد کورکورانه به آنها، هم برای فروشنده و هم برای خریدار خطرناک است زیرا ممکن است برای به دست آوردن سود، دستکاری شده باشند که اصطلاحا به این گونه نظرات « نظرات اسپم» گفته می شود. پژوهش حاضر روی نظرات فارسی ثبت شده در مورد تلفن همراه در وب سایت دیجی کالا انجام شده و از میان انواع اسپم، اسپم نوع یک و دو بررسی شده اند که نوع اول نظرات جعلی و نوع دوم نظراتی هستند که تنها در رابطه با مدل کالا نوشته شدهاند. ویژگی های مورد استفاده در این پژوهش به علت کارا بودن آنها در دسته بندی، شامل ویژگی های مبتنی بر نظر و ویژگی های فراداده است. این ویژگی ها و نیز ترکیب های متفاوت از آنها در تشخیص نظرات اسپم فارسی و تاثیر آنها روی دقت دسته بند بررسی شده است. دسته بندی توسط درخت تصمیم، دسته بند ماشین بردار پشتیبان و دسته بند نایو بیز انجام شده و در نهایت دقت آنها روی ترکیب های مختلف این ویژگی ها با هم مقایسه گردیده است. بالاترین میزان دقت به دست آمده از سه دسته بند توسط درخت تصمیم حاصل میشود که برابر با با ۷۷۸/۰ براساس معیار اف است. در رتبه‎دهی به ویژ گی ها باز هم درخت تصمیم با دقت ۸۲۴/۰ و با ترکیب سه ویژگی بازخوردهای مثبت، امتیاز کلی کالا و قطبیت نظر رتبه ی برتر را به خود اختصاص می دهد.

کلیدواژه ها:

نظرات اسپم فارسی ، نظرات جعلی ، نظرکاوی ، تحلیل احساسات ، دستهبندی متن ، رتبه بندی ویژگی ها